Voting Classifier
Sekarang mari menggabungkan tiga model Machine Learning menjadi satu untuk meningkatkan model Random Forest deteksi kecurangan yang sudah Anda buat. Anda akan menggabungkan model Random Forest yang biasa kita gunakan, dengan Logistic Regression dari latihan sebelumnya, serta Decision Tree sederhana. Anda dapat menggunakan pintasan get_model_results() untuk melihat hasil langsung dari model ansambel.
Latihan ini merupakan bagian dari kursus
Deteksi Kecurangan di Python
Instruksi latihan
- Impor paket Voting Classifier.
- Definisikan ketiga model; gunakan Logistic Regression dari sebelumnya, Random Forest dari latihan-latihan sebelumnya, dan Decision Tree dengan bobot kelas seimbang.
- Definisikan model ansambel dengan memasukkan ketiga klasifier beserta labelnya masing-masing.
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# Import the package
from sklearn.ensemble import ____
# Define the three classifiers to use in the ensemble
clf1 = LogisticRegression(class_weight={0:1, 1:15}, random_state=5)
clf2 = ____(class_weight={0:1, 1:12}, criterion='gini', max_depth=8, max_features='log2',
min_samples_leaf=10, n_estimators=30, n_jobs=-1, random_state=5)
clf3 = DecisionTreeClassifier(random_state=5, class_weight="____")
# Combine the classifiers in the ensemble model
ensemble_model = ____(estimators=[('lr', ____), ('rf', ____), ('dt', ____)], voting='hard')
# Get the results
get_model_results(X_train, y_train, X_test, y_test, ensemble_model)